研究型 Agent 如何保留每条结论的出处

如果你为研究人员开发工具，很快就会发现，“总结这篇论文”其实是最容易的部分。真正难的是研究人员读完总结之后要做的所有事情：核实总结是否正确，找到支撑结论的原文句子，准确引用，以及在六个月后审稿人提出尖锐问题时，重新找到这些内容。本文整理了一组关于证据可追溯的研究 Agent 的设计笔记，关注的是架构，而不是营销。我会以 Yila AI 为贯穿全文的例子，因为它正是围绕这个问题构建的，不过这些模式也适用于你在这个领域开发的其他工具。

核心要求：每个论断都要有出处坐标

普通聊天机器人的输出是一串没有内部结构的文本。而在研究工具中，输出里的每个事实性陈述都需要一个出处坐标：来自哪份文档、哪一页或哪一节、哪段原文。没有这个坐标，用户就只有两种选择：相信输出，但这在研究中不可接受；或者重新做一遍工作来核实，这又会抵消工具的大部分价值。

从架构上看，这意味着系统必须在处理流程的每个阶段保留来源追踪信息。如果你把 PDF 切分成片段用于检索，每个片段都需要稳定的标识符，能够映射回原文的页码和段落。如果你总结了多个片段，总结就需要携带所依据片段的标识符。如果随后又把总结改写成草稿段落，引用信息也必须在改写后保留下来。在任何阶段丢失来源追踪信息都是 bug，而不是外观上的小问题。

解析阶段最容易损失质量

学术 PDF 很难处理：双栏排版、脚注、内嵌文字的图片、跨页表格、以图片呈现的公式，以及放在独立文件中的补充材料。如果检索系统把论文当成一整条没有结构的字符串，就会经常把脚注中的句子归到正文，或者把两栏内容拼接成不知所云的文字。

• 保留章节结构。知道一句话来自“局限性”而不是“结果”，会改变这句话应该如何使用。
• 把表格当作数据，而不是文本。将其提取成行和列，才能准确引用数字并进行比较。
• 让图注始终与图片关联。图注往往最清楚地说明了图片展示的内容。
• 记录页码。研究人员引用时需要页码，审稿人也会核查。

检索范围应限定在用户的文献库内

通用网络搜索有助于发现资料，但当用户开始撰写综述时，答案应来自他们已经选定的论文。混入未经核查的来源，正是虚构引用或低质量引用进入草稿的途径。研究工作空间应该明确说明范围：这个答案基于你项目中的这十二篇论文，并指出其中哪些论文为答案提供了依据。

在 Yila 中，一个项目保存一项研究工作的论文和数据集，问题也基于这个项目来回答。这样，用户就可以提出比较性问题，例如“这些研究中，哪些采用了随机化设计？”，并得到既完整覆盖文献库、又能追溯出处的答案。

生成应受证据约束

语言模型默认擅长流畅表达，只有受到约束时才会谨慎。对于研究写作，生成步骤应该受到限制：每个提出事实性论断的句子，都要有检索到的原文段落作为依据；找不到依据的句子，则应被标记或省略。一个实用的模式是同时生成论断和引用，然后执行一轮验证，逐条检查论断是否与其引用的原文相符，并标记不匹配之处。

与已提交论文中一条错误引用带来的代价相比，这轮验证的成本很低。它也为向用户展示哪些内容经过了检查提供了一个自然的位置。

在界面中展示证据

即使来源追踪做得再好，如果界面把它藏起来，也毫无用处。输出中的每个论断都应该可以点击，点击后打开来源段落，并高亮相关句子。悬停预览有助于快速核查。对于表格和图片，用户应该能够跳转到具体的表格单元格或图片。

这个设计选择会改变用户行为。当核查只需点一下时，用户就会核查。当核查需要打开 PDF 再搜索时，他们就不会去做。

数据分析也需要同样的严谨性

许多研究问题最终需要的是数据集，而不是论文。同样的原则也适用：每张图表都应附带生成它的代码，每个数字都应该能够追溯到具体计算，数据清洗步骤应该被记录下来，而不是在用户看不见的地方悄悄执行。Yila 通过用户可以阅读并重新运行的代码来执行分析，这让图表能够复现，也让审稿人提出的稳健性检验要求可以在几分钟内得到回应。

对开发者来说，这里的启示是：把生成的代码视为一等产物。将它与输出一起存储，纳入版本管理，并让用户能够方便地编辑和重新运行。

研究人员真正需要的输出

研究人员的工作不会止于得到答案。他们还要制作文献矩阵、撰写章节草稿、准备实验室组会的演示文稿，以及学术会议的海报。每一种输出格式都需要保留引用。基于论文生成的演示文稿，应该把每个数字链接回它所来自的表格。文献矩阵应该把每个单元格链接到为其提供依据的原文段落。如果输出格式丢掉了来源追踪信息，用户就只能手动重建。

评估：测试那些不起眼的错误

评估研究 Agent 时，人们很容易把注意力放在令人惊艳的能力上。但真正伤害用户的错误往往更普通：

• 论断本身正确，却引用了错误的论文。
• 引用了正确的论文，却指向了错误的页码或章节。
• 引用的数字被四舍五入，或者数字次序被颠倒。
• 把作者的假设表述成研究发现。
• 遗漏作者明确说明的局限性。

围绕这些错误构建测试集。选取一组论文，编写答案已知的问题，不仅检查答案是否正确，还要检查引用是否精确。将引用精确度与答案准确率一起作为主要指标来跟踪。

研究人员经常处理尚未发表的稿件、保密数据和尚未解禁的研究结果。研究工具需要明确保证：文档存储在哪里，谁可以查看，以及是否会被用于训练。这些保证应该在产品中清楚可见，而不是埋在政策页面里。

如果你正在这个领域开发工具，简而言之：在每个阶段保留来源追踪信息，将检索范围限定在用户的文献库内，用证据约束生成，在界面中展示证据，并测试那些不起眼的错误。把这些做好，工具就能逐渐赢得信任，并持续守住这份信任。跳过这些环节的工具，只会做出令人惊艳的演示和无法使用的草稿。

你可以在 Yila AI 看到这些理念的一种实现：文献综述、数据分析和写作共用一个与证据关联的工作空间。

如需采取进一步行动，你可以考虑屏蔽此人和／或举报滥用行为。